CN110348603B - 一种煤自燃危险程度多源信息融合预警方法 - Google Patents
一种煤自燃危险程度多源信息融合预警方法 Download PDFInfo
- Publication number
- CN110348603B CN110348603B CN201910506423.3A CN201910506423A CN110348603B CN 110348603 B CN110348603 B CN 110348603B CN 201910506423 A CN201910506423 A CN 201910506423A CN 110348603 B CN110348603 B CN 110348603B
- Authority
- CN
- China
- Prior art keywords
- spontaneous combustion
- early warning
- sensor
- coal spontaneous
- coal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 144
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 123
- 230000002269 spontaneous effect Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004927 fusion Effects 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 24
- 238000005065 mining Methods 0.000 description 8
- 230000002265 prevention Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F5/00—Means or methods for preventing, binding, depositing, or removing dust; Preventing explosions or fires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及一种煤自燃危险程度多源信息融合预警方法，解决现有煤自燃预警方法预警精度较低、难以进行科学决策得到煤自燃的自燃位置，发火时间，隐患程度的问题。该方法包括：步骤一、布置传感器；步骤二、对传感器进行采样时间的配准；步骤三、在不同时刻对各传感器的采集值z(k)进行采集；步骤四、对步骤三中的各传感器的采集值z(k)进行降噪处理；步骤五、将预警点处传感器历史的实际检测数据
作为煤自燃特征，并进行归一化处理；步骤六、确定出煤自燃的隐患程度和发火时间；步骤七、通过步骤五得到的煤自燃靶向预警点，以及步骤六得到的煤自燃的隐患程度、发火时间，从而完成煤自燃危险程度预警。
Description
技术领域
本发明涉及煤矿安全领域，具体涉及一种煤自燃危险程度多源信息融合预警方法。
背景技术
我国煤炭资源十分丰富，煤炭产量和消费量均居世界前列，约占国内一次能源生产和消费总量的85％以上，但我国煤炭自燃火灾十分严重。据统计，我国煤矿自燃火灾约占矿井火灾的70％，一些自然发火严重的矿区，如充州、抚顺、鹤岗、窑街、义马、淮南、六枝等煤矿，其自然发火占矿井火灾次数的90％以上。
随着矿井开采强度加大，采空区范围越来越大，漏风通道增多，受采掘活动、大气压变化的影响，煤矿采空区环境特征呈动态变化特征。由于煤炭自燃处于低温氧化阶段，煤火形成的环境复杂，气流性差，早期隐患难以及时辨识，在明显发火征兆之前难以辨识出自燃事件。同时，煤导热性差，高温点隐蔽，指标单一，不易判定煤自燃的发火程度。现有传感器检测系统对数据资源“挖掘”程度不够，煤自燃危险程度判别和防控决策的信息量不足，信息置信度极低，易形成险情漏报，指标气体与温度的内在关联不强，危险程度诊断缺乏导致预警滞后。此外，煤火区域范围广，人工巡检工作量大、盲区多、漏报率高。
而对于现有预警系统而言，存在问题为：
第一、煤自燃束管检测法的现状只能判定是否发生煤自燃现象，其在空间上仅仅能覆盖煤炭大范围采空区的某个特定区域，且只能提供安装部署在本地的事件属性。当煤自燃事件或目标特征在空间上不在其覆盖范围时，缺乏空间事件探测的分辨率。
第二、现有决策预警系统存在强依赖于某一单一信源的现象，如果该信源出现故障，对于整个决策预警就会失效甚至崩溃，整个预警系统可靠性和鲁棒性低下。
第三、单一传感器或多传感器信息的“机械式”组合难以对同一目标如煤自燃事件加以确认和互相验证，从而现有预警系统数据层传感器对于探测目标的置信度低下，例如一氧化碳浓度传感器难以和其他环境信息传感器进行有效融合以获得环境多属性特征，缺乏同一目标的不同特征属性验证，进而无法实现多指标科学决策。
第四、由于各个传感器对目标的测量过程相对独立，其采样周期各不相同，采样起始时间不一致，各通信网络存在不同的延迟等因素，导致各个传感器的检测数据上传到融合中心时是异步的，而绝大多数特征层信息融合算法只能处理同步数据，进而导致滤波精度差，即使系统能够进行时间配准，但却没有能力解决时间配准带来的系统误差。
第五、矿用化学传感器的使用寿命普遍低下，由于传感器固有缺陷以及环境变量的干扰，其随使用时间的增加误差也会显著增加，没有优化修正措施跟进，会导致误漏报率异常之高，预警系统可信度严重下降。
综上所述煤自燃预警系统的种种问题最终导致难以进行科学决策得到煤自燃的自燃位置，发火时间，隐患程度。由于问题复杂、影响因素多，探测手段的局限性等，这些问题为采空区煤自燃综合预防和治理工作带来了极大的困难。现虽然取得一定的进展，但尚未得到圆满的解决。因此，研究能够有效进行煤自燃早期隐患辨识的预警方法，对其防控技术水平的提高具有重要意义。
发明内容
本发明的目的是解决现有煤自燃预警方法预警精度较低、难以进行科学决策得到煤自燃的自燃位置，发火时间，隐患程度的问题，提供一种煤自燃危险程度多源信息融合预警方法。
为实现上述目的，本发明提供如下技术方案：
一种煤自燃危险程度多源信息融合预警方法，包括以下步骤：
步骤一、在矿井采空区多个部署点分别布置集成多种气体传感器和温度传感器的监测装置；
步骤二、对步骤一中气体传感器和温度传感器进行采样时间的配准，得到相同时刻下各传感器的采集值；
步骤201、记录传感器i在采样时刻tm的观测值zm；
步骤202、通过多个观测值zm拟合得到曲线fi(t)，从而得到该传感器i任意时刻的采集值；
步骤203、选取任一传感器的采样间隔作为基准采样间隔，其他传感器参照此基准采样间隔，选取拟合曲线上对应的值作为检测数据，从而得到相同时刻下各传感器的采集值；
步骤三、不同时刻对各传感器的采集值z(k)进行采集，并将该采集值与煤自燃各项预警指标阈值进行比对，若超过预警指标阈值发出本地报警，未超过预警指标阈值则不报警；
步骤四、对步骤三中的各传感器的采集值z(k)通过卡尔曼滤波方法进行降噪处理，得到优化后的各气体浓度检测数据；
步骤401、将传感器的实际观测值与步骤二中配准后的采集值作差，该差值的绝对值作为时间配准后引入的系统误差；
步骤402、将步骤401中引入的系统误差和传感器本身固有误差相加作为传感器实际误差q(k)；
步骤403、利用步骤402中的传感器实际误差及环境干扰r(k-1)采用下式计算卡尔曼增益K(k)；
步骤404、利用步骤403中的卡尔曼增益和前一个采样时刻k-1的传感器实际检测数据值
采用卡尔曼滤波方法进行降噪优化，得到当前时刻k传感器的实际检测数据
步骤五、选取采空区环境温度较高点所在地作为煤自燃靶向预警点，将预警点处传感器历史的实际检测数据
作为煤自燃特征，并对该数据进行归一化处理；
步骤六、利用模拟退火的支持向量机SA-SVM对步骤五中获得的煤自燃特征进行提取，确定出煤自燃的隐患程度，并记录为发火时间；
步骤601、将步骤五中归一化预处理后的实际检测数据输入SA-SVM预警模型；
步骤602、通过SA-SVM预警模型中浓度与煤层温度的映射关系，输出实际预测的煤层温度；
步骤603、将步骤602中的煤层温度与煤自燃临界温度阈值进行比对分析，确定出煤自燃的隐患程度，并将步骤五中历史实际检测数据
超过阈值后直到当前时刻的时间记录为发火时间；
步骤七、通过步骤五得到的煤自燃靶向预警点，以及步骤六得到的煤自燃的隐患程度、发火时间，从而完成煤自燃危险程度预警。
进一步地，步骤202中，通过高斯曲线拟合或插值方法拟合曲线fi(t)。
进一步地，步骤一中，气体传感器为O2、CO、CO2、CH4、C2H6、C2H4、C2H2气体浓度传感器(N2浓度信息是通过除去其他气体浓度后获得)。
进一步地，步骤五中，传感器实际检测数据
包括各气体浓度值、C2H6与C2H4浓度比值，CO2与CO浓度比值。
进一步地，步骤403中，环境干扰r(k-1)通过以下公式计算得到，
本发明与现有技术相比，具有以下优点：
1.本发明方法具有实施简单，成本低，容错高等特性。同时其所涉及的多源信息融合系统方法能够适应大范围采空区的复杂环境，扩展空间探测覆盖范围，增强空间探知分辨率；能够降低煤自燃特征信息的模糊度，提高信息煤自燃决策的可信度；不依赖单一信源，能够增强系统的生存能力，提升系统的鲁棒性和寿命。
2、提高了全系统的的稳定性：本发明的煤自燃危险程度多源信息融合预警方法不依赖单一信源，如果某信源出现故障或通讯通道故障，不会造成系统决策功能的瘫痪。
3、系统具有时间配准功能：本发明方法的时间配准使得系统相比于传统传感网络具有能够处理异步信息的特性，方法中还同时能够有效修正时间配准操作带来的系统误差。
4.本发明煤自燃危险程度多源信息融合预警方法能够充分依据煤自燃机理理论，在宏观预警中准确、适时地进行煤层火灾的预报。整个系统相辅相成，利用分布式检测数据层，带反馈信息融合特征层，多信息智能融合决策层结构的全系统方法，实现对煤自燃全过程的跟踪和辨识。通过对过程的优化，数据库的完善以及人机交互，能够在事故发生的萌芽时期，协助人员进行准确有效的决策。
5.本发明方法能够协助做到有的放矢地采取预防煤层火灾的措施，提高措施的针对性和有效性，使有限的防灭火资金发挥最有效的安全效益和经济效益，确保矿井免受自燃火灾的威胁。
附图说明
图1为本发明煤自燃危险程度多源信息融合预警系统的结构框架示意图；
图2为本发明煤自燃预警空间的靶向点(环境温度高点)曲线图；
图3为本发明煤自燃各组分气体浓度进行时间配准后的曲线图；
图4为本发明煤自燃相关气体浓度比值进行时间配准后曲线图；
图5为本发明多信息智能决策层中SA-SVM决策模型的精确性比对图；
图6为本发明决策模型预测值和实际值对比图。
具体实施方式
下面结合具体实施例对本专利的技术方案作进一步的详细说明。
如图1所示，本发明提供一种煤自燃危险程度多源信息融合预警系统，该系统包括三大信息融合层：并行分布式检测数据层、信息反馈融合特征层、多源信息智能决策层。
并行分布式检测数据层，采用同类型传感器分布式采集信息的方式，共同观测煤自燃局部特征，并分别依据煤自燃指标气体浓度阈值判定标准作出本地报警决策，环境温度传感器作出大范围采空区高温预警点的筛选，并将原始信息通过通讯网络传给信息反馈融合特征层，待其进一步对数据进行处理和优化。
信息反馈融合特征层在系统工作前，先对数据层各气体浓度传感器进行时间配准，即对多个传感器的异步数据转换为同步数据，消除时间上的影响。再利用卡尔曼滤波方法对矿用气体浓度传感器误差进行滤波处理，反馈修正，达到提高传感器稳定性，提高全系统预警精度的目的。信息反馈融合特征层对各传感器进行采样时间的配准，降低子系统冗余信息，同时采用卡尔曼滤波方法优化矿用气体传感器检测精度，提升全系统预警的有效性和使用寿命。
多源信息智能决策层，采用智能机器学习预警模型，对获取并优化处理后的煤自燃各指标特征进行深度挖掘，通过算法过程优化，数据库管理，综合确定煤自燃的发火位置，发火时间，隐患程度，实现采空区煤自燃危险程度科学辨识和综合预警。多源信息智能决策层，利用智能机器学习模型对煤自燃特征信息进行智能辨识和动态跟踪，综合多源信息对煤自燃隐患进行威胁估计，根据其危险程度进行有效预警。
上述系统扩展了煤自燃探测空间覆盖范围：并行分布式检测数据层，通过多传感器交叠覆盖，扩展了空间探测范围，增加了大范围采空区的空间感知分辨率。
上述系统扩展了煤自燃探测时间覆盖范围：由于煤自燃是一个持续且复杂的过程，某特征在某时间段内并不能很好的反应煤自燃的程度，并行分布式检测数据层可以依靠多种探知手段探测目标事件，提高煤自燃事件的检测概率是煤自燃早期隐患识别的重要途径。
上述系统提高了系统的可信度：特征层不仅可以在不降低预警精度的情况下减少数据层信息的冗余度，减少系统负担和通讯成本，还可以综合利用数据层多源信息进行煤自燃的态势评估和多属性决策。相较于单一信源推断的传统方法，一定程度上降低了系统的漏报率，具有了提高预警精确度和决策信息可信度的优点。
上述系统具有反馈特性：特征层对数据层进行滤波反馈的特性，不仅可以提高对煤自燃事件检测的精准度，同时还矿用气体浓度传感器不断地进行修正，延长系统的使用寿命。
上述系统深度挖掘煤自燃多源信息：智能多源信息决策层采用机器学习智能算法针对煤自燃各特征进行特征提取，智能判别煤自燃的危险程度，为煤自燃早期隐患排查提供了重要手段。
本发明一方面解决煤自燃预警中难以克服的预警精度问题，另一方面，对多传感器融合系统，解决上述多传感器融合系统所面临的实际技术问题，采用融合辨识算法，进行早期预判煤自燃的危险程度。因此，有必要对煤自燃特征信息进行融合辨识、威胁估计及趋势预测，将融合结果作为煤自燃诊断和预警的判据，降低误报率和漏报率。
本发明提供一种煤自燃危险程度多源信息融合预警方法，包括以下步骤：
步骤一、首先在矿井大范围采空区各部署点位布置各种类型检测气体传感器和温度传感器集成的监测装置，检测煤自燃时向环境中释放的气体浓度和环境温度，如O2、CO、CO2、CH4、C2H6、C2H4、C2H2浓度及其温度，N2浓度信息是通过除去其他气体浓度后获得，并将其探测的信息作为系统并行式检测数据层；
步骤二、对步骤一中同种类型多传感器进行采样时间的配准；即将多传感器系统的异步检测数据转换为同步检测数据，得到相同时刻下各传感器的采集值，时间配准后的煤自燃温度曲线如图2所示；
步骤201、9个子融合滤波器(七种气体浓度传感器和两种相关气体浓度比值)接到步骤一中同类型多个传感器的检测数据，记录传感器i在采样时刻tm的观测值zm，并记作fi(tm)＝zm；
步骤202、采用高斯曲线拟合或插值的方法拟合出曲线fi(t)，由此曲线可以得出传感器i任意时刻的值。
步骤203、选择氧气浓度传感器的采样间隔作为基准，其他传感器对应此基准采样间隔，分别选取其他传感器拟合曲线上对应的值作为检测数据，，从而得到相同时刻下各传感器的采集值；各类型指标气体的拟合图如图3所示，相关指标气体比值的拟合图如图4所示，从而将分布式检测数据层的异步信息转换为同步信息；
步骤三、时间配准后，系统开始工作，各传感器对本地环境信息z(k)进行采集(从各拟合曲线得到)，并将其采集的信息与煤自燃各项预警指标阈值进行比对，视其是否超过预警指标阈值的情况，决定是否发出本地报警；
步骤四、对步骤三中的各传感器的采集值z(k)通过卡尔曼滤波方法进行降噪处理，得到优化后的各气体浓度实际检测数据
从而修正了因为时间配准、传感器缺陷引入的误差和环境干扰导致的系统采集信息可信度低下的问题；
步骤401、将传感器的实际观测值与步骤二中配准后的采集值作差，该差值绝对值作为时间配准后引入的系统误差；
步骤402、利用步骤401中引入的系统误差和传感器本身固有误差相加作为传感器实际误差q(k)；
同时，计算环境干扰r(k-1)，环境干扰依现场实际情况而定；由于环境干扰(如压强，环境温度等)，会对被检测量产生不同程度的波动，将传感器相邻的两次采样算术平均值和当前采样之差的绝对值记为环境干扰：
步骤403、利用步骤402中的传感器实际误差及环境干扰采用下式计算卡尔曼增益K(k)；
步骤404、利用步骤403中的卡尔曼增益和前一个采样时刻(k-1)的传感器实际检测数据值
采用下式的卡尔曼滤波方法进行降噪优化估计，得到当前时刻k的传感器实际检测数据
步骤五、选用采空区环境温度最高点的探测装置所在地作为煤自燃靶向预警点，确定了煤自燃靶向预警点后，将步骤四中预警点处传感器输出的各气体浓度实际检测数据
作为煤自燃特征，采用下式进行归一化预处理，传感器实际检测数据
包括各气体浓度值，C2H6与C2H4浓度值比，CO2与CO浓度值比；
步骤六、利用模拟退火的支持向量机SA-SVM对步骤五中获得的煤自燃特征进行特征提取，确定出煤自燃的隐患程度，并将步骤五中历史数据超过阈值后直到当前时刻的时间记录为发火时间；
步骤601、将步骤五中归一化预处理后的实际检测数据
作为SA-SVM预警模型的输入；
步骤602、通过SA-SVM预警模型中浓度与煤层温度的映射关系，输出实际预测的煤层温度；预测结果的准确性如图5和表1所示，从误差分析可以看到，此煤自燃多源信息融合模型对事件的预警精度高，具有良好的可信度和稳定性；
步骤603、将步骤602中的煤层温度与煤自燃临界温度阈值进行比对分析，确定出煤自燃的隐患程度，并记录发火时间；
步骤七、对煤自燃事件进行威胁估计；综合上述步骤的煤自燃多源信息融合方法，确定出煤自燃事件的自燃位置，发火时间，隐患程度；以此为依据指导矿井煤自燃安全预警及其隐患的综合防控。
步骤701、结合步骤五中的煤自燃预警空间的靶向点(环境温度高点)，确定出大范围采空区煤自燃的发火位置；
步骤702、结合步骤603确定的煤自燃事件的隐患程度和发火时间，从而完成煤自燃危险程度预警。
从以上所述例中，一方面，本发明可以较好的从分布式检测数据层中筛选出煤自燃高温位置，利用信息反馈融合特征层能够有效的协调煤自燃各特征的处理，多源信息智能决策层能够有效预测出煤自燃的发火时间，隐患程度等。另一方面，如图6所示，本发明全系统具有预警精确度高，稳定性强，信息融合可信度高等优点。其能够针对采空区煤自燃安全隐患进行早期辨识，使表征事件的隐含特征显现，动态跟踪煤自燃多特征信息，综合预警防控以及灾害治理提供了科学的依据。
本发明公开了一种煤自燃危险程度多源信息融合预警方法，能够有效解决现有采空区煤自燃监测网络预警方法精度不高，稳定性差等问题。本发明方法易实现，预警准确率高。相较于传统方法具有可信度高，稳定性好等优势，能够深入挖掘煤自燃特征信息，为井下煤自燃的灾害治理及其隐患综合防控提供有效可靠的决策依据。
表1为一种煤自燃多源信息融合预警方法精度及稳定性验证结果。
表1
Claims (5)
1.一种煤自燃危险程度多源信息融合预警方法，其特征在于，包括以下步骤：
步骤一、在矿井采空区多个部署点分别布置集成多种气体传感器和温度传感器的监测装置；
步骤二、对步骤一中气体传感器和温度传感器进行采样时间的配准，得到相同时刻下各传感器的采集值；
步骤201、记录传感器i在采样时刻tm的观测值zm；
步骤202、通过多个观测值zm拟合得到曲线fi(t)，从而得到该传感器i任意时刻的采集值；
步骤203、选取任一传感器的采样间隔作为基准采样间隔，其他传感器参照此基准采样间隔，选取拟合曲线上对应的值作为检测数据，从而得到相同时刻下各传感器的采集值；
步骤三、不同时刻对各传感器的采集值z(k)进行采集，并将该采集值与煤自燃各项预警指标阈值进行比对，若超过预警指标阈值发出本地报警，未超过预警指标阈值则不报警；
步骤四、对步骤三中的各传感器的采集值z(k)通过卡尔曼滤波方法进行降噪处理，得到优化后的各气体浓度检测数据；
步骤401、将传感器的实际观测值与步骤二中配准后的采集值作差，该差值的绝对值作为时间配准后引入的系统误差；
步骤402、将步骤401中引入的系统误差和传感器本身固有误差相加作为传感器实际误差q(k)；
步骤403、利用步骤402中的传感器实际误差及环境干扰r(k-1)采用下式计算卡尔曼增益K(k)；
步骤404、利用步骤403中的卡尔曼增益和前一个采样时刻k-1的传感器实际检测数据值
采用卡尔曼滤波方法进行降噪优化，得到当前时刻k传感器的实际检测数据
步骤五、选取采空区环境温度最高点所在地作为煤自燃靶向预警点，将预警点处传感器历史的实际检测数据
作为煤自燃特征，并对该数据进行归一化处理；
步骤六、利用模拟退火的支持向量机SA-SVM对步骤五中获得的煤自燃特征进行提取，确定出煤自燃的隐患程度，并记录为发火时间；
步骤601、将步骤五中归一化预处理后的实际检测数据输入SA-SVM预警模型；
步骤602、通过SA-SVM预警模型中浓度与煤层温度的映射关系，输出实际预测的煤层温度；
步骤603、将步骤602中的煤层温度与煤自燃临界温度阈值进行比对分析，确定出煤自燃的隐患程度，并将步骤五中历史实际检测数据
超过阈值后直到当前时刻的时间记录为发火时间；
步骤七、通过步骤五得到的煤自燃靶向预警点，以及步骤六得到的煤自燃的隐患程度、发火时间，从而完成煤自燃危险程度预警。
2.根据权利要求1所述的煤自燃危险程度多源信息融合预警方法，其特征在于：步骤202中，通过高斯曲线拟合或插值方法拟合曲线fi(t)。
3.根据权利要求1所述的煤自燃危险程度多源信息融合预警方法，其特征在于：步骤一中，气体传感器为O2、CO、CO2、CH4、C2H6、C2H4、C2H2气体浓度传感器。
4.根据权利要求1或2或3所述的煤自燃危险程度多源信息融合预警方法，其特征在于：步骤五中，传感器实际检测数据
包括各气体浓度值、C2H6与C2H4浓度比值，CO2与CO浓度比值。
5.根据权利要求4所述的煤自燃危险程度多源信息融合预警方法，其特征在于：步骤403中，环境干扰r(k-1)通过以下公式计算得到，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910506423.3A CN110348603B (zh) | 2019-06-12 | 2019-06-12 | 一种煤自燃危险程度多源信息融合预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910506423.3A CN110348603B (zh) | 2019-06-12 | 2019-06-12 | 一种煤自燃危险程度多源信息融合预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110348603A CN110348603A (zh) | 2019-10-18 |
| CN110348603B true CN110348603B (zh) | 2021-11-23 |
Family
ID=68181911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910506423.3A Active CN110348603B (zh) | 2019-06-12 | 2019-06-12 | 一种煤自燃危险程度多源信息融合预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110348603B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114545844A (zh) * | 2022-01-10 | 2022-05-27 | 淮北矿业股份有限公司 | 一种防治煤自燃的四道防线技术系统 |
| CN115083123B (zh) * | 2022-05-17 | 2023-05-02 | 中国矿业大学 | 一种以实测数据为驱动的矿井煤自燃智能分级预警方法 |
| CN114949665A (zh) * | 2022-05-20 | 2022-08-30 | 国能包头能源有限责任公司 | 煤场的防自燃处理方法及其装置、计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718212A (zh) * | 2009-10-09 | 2010-06-02 | 西安西科测控设备有限责任公司 | 一种实时跟踪预警矿井煤与瓦斯突出危险性的装备 |
| CN106194263A (zh) * | 2016-08-29 | 2016-12-07 | 中煤科工集团重庆研究院有限公司 | 煤矿瓦斯灾害监控预警系统及预警方法 |
| CN107332898A (zh) * | 2017-06-27 | 2017-11-07 | 中国矿业大学(北京) | 一种多源传感器融合的矿井瓦斯释放源定位方法 |
| CN109184800A (zh) * | 2018-10-15 | 2019-01-11 | 西安科技大学 | 一种煤自燃预警分级方法及预警方法 |
| CN109800454A (zh) * | 2018-12-13 | 2019-05-24 | 武汉工程大学 | 一种基于卡尔曼滤波的煤层气采集方法、系统及存储介质 |
-
2019
- 2019-06-12 CN CN201910506423.3A patent/CN110348603B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718212A (zh) * | 2009-10-09 | 2010-06-02 | 西安西科测控设备有限责任公司 | 一种实时跟踪预警矿井煤与瓦斯突出危险性的装备 |
| CN106194263A (zh) * | 2016-08-29 | 2016-12-07 | 中煤科工集团重庆研究院有限公司 | 煤矿瓦斯灾害监控预警系统及预警方法 |
| CN107332898A (zh) * | 2017-06-27 | 2017-11-07 | 中国矿业大学(北京) | 一种多源传感器融合的矿井瓦斯释放源定位方法 |
| CN109184800A (zh) * | 2018-10-15 | 2019-01-11 | 西安科技大学 | 一种煤自燃预警分级方法及预警方法 |
| CN109800454A (zh) * | 2018-12-13 | 2019-05-24 | 武汉工程大学 | 一种基于卡尔曼滤波的煤层气采集方法、系统及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| Experimental studies of spontaneous combustion and anaerobic cooling of coal;Deng等;《Fuel》;20151231;全文 * |
| The interaction between coal and multi-component gas mixtures in the process of coal heating at various temperatures: An experimental study;Wojtacha-Rychter等;《Fuel》;20181231;全文 * |
| 基于信息融合的煤层自然发火监测系统研究;谢国民等;《传感器与微系统》;20090420(第04期);全文 * |
| 煤矿安全中多传感器模糊信息融合的应用;廖文恺;《低碳世界》;20181009(第10期);全文 * |
| 矿井火灾多源信息融合预警方法的研究;邓军等;《采矿与安全工程学报》;20111231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110348603A (zh) | 2019-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110348603B (zh) | 一种煤自燃危险程度多源信息融合预警方法 | |
| Lyu et al. | LSTM based encoder-decoder for short-term predictions of gas concentration using multi-sensor fusion | |
| CN109915736B (zh) | 一种热力管网系统及其泄漏检测的方法 | |
| CN101251942A (zh) | 地下空间火灾智能检测预警预报方法及装置 | |
| Li et al. | Optimize the early warning time of coal and gas outburst by multi-source information fusion method during the tunneling process | |
| CN117152893A (zh) | 一种森林防灾方法及系统 | |
| CN110043321A (zh) | 一种煤矿瓦斯安全智能巡检系统及方法 | |
| CN110619457A (zh) | 一种基于安全态势评估的监测传感器布设方法及系统 | |
| CN107676133A (zh) | 一种基于物联网的煤矿井下火灾监测系统 | |
| CN115083123B (zh) | 一种以实测数据为驱动的矿井煤自燃智能分级预警方法 | |
| CN115017206A (zh) | 一种矿井co异常扰动智能识别及煤自燃预警值确定方法 | |
| CN109902265B (zh) | 一种基于隐马尔可夫模型的井下预警方法 | |
| CN108956041A (zh) | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 | |
| CN115688251A (zh) | 基于深度学习的地震多发区隧道风险决策方法及系统 | |
| CN113605866B (zh) | 一种矿井瓦斯抽采动态调控系统及方法 | |
| CN106246226A (zh) | 一种矿井瓦斯涌出异常的识别方法 | |
| CN110031152B (zh) | 一种热力供热系统及相邻日温度偏移累积泄漏检测的方法 | |
| CN117054967A (zh) | 一种基于智能定位矿用安全帽的定位方法及产品结构 | |
| CN116186361B (zh) | 一种基于大数据的配电站房监测信息采集分析处理方法 | |
| CN116342999A (zh) | 超高压变电站开放空间火灾烟雾检测与识别方法 | |
| CN111709606A (zh) | 基于大数据分析的采掘工作面瓦斯涌出异常预警方法 | |
| CN109978413A (zh) | 基于瓦斯涌出特征迁移衍生煤体应力状态的评估方法 | |
| CN113653534B (zh) | 一种矿井水害预警系统及方法 | |
| CN103308661A (zh) | 用于表达空间拓扑信息的井下瓦斯传感器层次编码方法 | |
| RU2745137C1 (ru) | Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |